แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเชื่อมต่อ DenseNet และ Dense
ทดสอบการต่อข้อมูลแผนที่คุณลักษณะ อัตราการเติบโต การใช้คุณลักษณะโดยตรง การบีบอัดการเปลี่ยนแปลง เส้นทางไล่ระดับสี และจำนวนช่องสัญญาณ
คำถาม 1 ของ 8
DenseNet ใช้การดำเนินการใดในการรวมแผนผังคุณลักษณะจากเลเยอร์ก่อนหน้า
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- DenseNet ใช้การดำเนินการใดในการรวมแผนผังคุณลักษณะจากเลเยอร์ก่อนหน้า
- การต่อข้อมูลแบบช่องสัญญาณ
- การบวกตามองค์ประกอบ
- การรวมกลุ่มสูงสุดข้ามชั้น
- การคูณเชิงองค์ประกอบ
- ใน DenseNet k 'อัตราการเติบโต' ควบคุมอะไร
- ตารางอัตราการเรียนรู้
- ขนาดหน้าต่างรวม
- จำนวนฟีเจอร์แมปใหม่ที่แต่ละเลเยอร์สร้างขึ้น
- จำนวนบล็อกหนาแน่น
- มีการเชื่อมต่อโดยตรงระหว่างชั้น L ในบล็อกหนาแน่นจำนวนเท่าใด
- L
- แอล(แอล+1)/2
- 2ลิตร
- L กำลังสอง
- วัตถุประสงค์หลักของเลเยอร์การเปลี่ยนแปลงใน DenseNet คืออะไร
- เพื่อเพิ่มทางลัดตกค้าง
- เพื่อเพิ่มอัตราการเติบโต
- เพื่อใช้ออกกลางคันเท่านั้น
- เพื่อสุ่มตัวอย่างและลดขนาดแผนที่คุณลักษณะระหว่างบล็อกที่มีความหนาแน่นสูง
- ประโยชน์หลักของการเชื่อมต่อที่หนาแน่นคือช่วยลดปัญหาการฝึกอบรมใด
- การลงสีมากเกินไป
- ขนาดชุดระเบิด
- ปัญหาการไล่ระดับที่หายไป
- สัญญาณรบกวนของฉลาก
- เมื่อเปรียบเทียบกับ ResNet ที่มีความแม่นยำใกล้เคียงกันบน ImageNet โดยทั่วไปแล้ว DenseNet-BC จะใช้:
- พารามิเตอร์น้อยลงอย่างมาก
- พารามิเตอร์ที่มากขึ้น
- เกี่ยวกับพารามิเตอร์เดียวกัน
- ไม่มีการพลิกผันเลย
- A late DenseNet layer needs an edge feature learned near the input. Why can it use that map directly?
- Only the final layer can see edge features
- DenseNet resets all maps after each layer
- Transition layers reconstruct every earlier map from scratch
- Earlier feature maps remain among its concatenated inputs
- A dense block begins with m channels and three layers each add k new maps. How many channels emerge before a transition?
- 3m + k
- m + 3k
- m times k cubed
- Only k, because old maps are discarded